Robot Otonom Menemukan dan Membuka Pintu Sambil Mengisi Baterainya

Tim mahasiswa teknik di Universitas Cincinnati sedang membangun robot otonom yang dapat membuka pintu sendiri dan menemukan stopkontak listrik terdekat, yang memungkinkan robot untuk mengisi baterai tanpa bantuan manusia.

Studi baru ini diterbitkan di jurnal IEEE Access.

Pintu – Kryptonit Robot

Salah satu hambatan terbesar untuk robot adalah pintu.

Ou Ma adalah profesor teknik aerospace di Universitas Cincinnati.

“Robot dapat melakukan banyak hal, tetapi jika Anda ingin satu membuka pintu sendiri dan melewatinya, itu adalah tantangan besar,” kata Ma.

Tim ini dapat mengatasi masalah ini dalam simulasi digital tiga dimensi, dan ini adalah langkah besar untuk robot pembantu. Robot ini dapat termasuk yang membersihkan dan mendisinfeksi gedung kantor, bandara, dan rumah sakit. Mereka membuat sebagian besar dari industri robotik senilai $27 miliar.

Yufeng Sun adalah penulis utama studi ini dan mahasiswa doktor di UC College of Engineering and Applied Science.

Menurut Sun, beberapa peneliti telah bekerja di sekitar masalah ini dengan memindai seluruh ruangan untuk membuat model digital tiga dimensi, yang memungkinkan robot untuk menemukan pintu. Namun, ini adalah solusi yang memakan waktu dan hanya berlaku untuk ruangan yang dipindai.

Ada banyak tantangan untuk mengembangkan robot otonom yang dapat membuka pintu sendiri. Pertama, pintu datang dalam warna dan ukuran yang berbeda, dan mereka memiliki pegangan yang bisa lebih rendah atau lebih tinggi. Robot juga harus tahu seberapa banyak kekuatan yang digunakan untuk membuka pintu untuk mengatasi resistensi. Karena banyak pintu umum yang self-closing, robot dapat kehilangan pegangannya dan harus memulai lagi.

https://www.youtube.com/watch?v=O_FV47hIRus

Menggunakan Pembelajaran Mesin

Melalui penggunaan pembelajaran mesin, mahasiswa UC memungkinkan robot untuk “mengajar” dirinya sendiri bagaimana membuka pintu melalui trial dan error. Ini berarti robot memperbaiki kesalahan saat berjalan, dan simulasi membantu mempersiapkannya untuk tugas sebenarnya.

“Robot memerlukan data yang cukup atau ‘pengalaman’ untuk membantu melatihnya,” kata Sun. “Ini adalah tantangan besar untuk aplikasi robotik lainnya yang menggunakan pendekatan berbasis AI untuk menyelesaikan tugas dunia nyata.”

Sun dan mahasiswa master UC Sam King sekarang mengubah studi simulasi yang sukses menjadi robot nyata.

“Tantangan adalah bagaimana mentransfer kebijakan kontrol yang dipelajari dari simulasi ke kenyataan, yang sering disebut sebagai ‘Sim2Real’ problem,” kata Sun.

Tantangan lainnya adalah bahwa simulasi digital biasanya hanya 60% hingga 70% sukses dalam aplikasi dunia nyata awal, sehingga Sun berencana untuk menghabiskan setidaknya satu tahun untuk memperbaiki sistem robotik otonom baru.